資料を探す時間をなくす
複数のシステムを行き来して集めていた資料を、AIが一度に取得します。
主なメリット
勘ではなく予測で判断
蓄積した生産 · 設備データから、次の結果を事前にお知らせします。
システムにない分析まで
複数のシステムに分散したデータをAIが集めて確認し、今お使いのシステムが提供していない分析まで行います。
結果の根拠を最後まで確認できます
どの資料を読み、何を実行したかがステップごとに記録されます。
製品構成
必要なAIから選んで始めましょう
ECHO AI
オーケストレーター
一度依頼するだけで、AIが社内システムを行き来して業務を完了させます。決めた時間に自動で動き、人は承認するだけです。
ECHO AIAnalyze
蓄積した生産 · 設備データで予測モデルを作り、実測値と重ねて、どれだけ合っているかを確認します。
ECHO AICatalog
社内のデータとAIモデル、連携機能を一か所に登録し、誰が使えるかを決めます。
ECHO AIAI VISION
カメラで品種を判別し、異物 · 破損と印字文字を検査します。新しい品種は再学習で対応します。
ECHO AIPredict
設備の振動 · 電流 · 温度のパターンを学習し、故障の兆候を先に知らせます。
機能
任せて、予測して、統制する
01
話しかけて指示
普段の言葉で依頼すると、AIが何をすべきかを理解し、それまでの会話を覚えて続けます。
02
複数ステップの業務も最後まで
照会し、計算し、下書きを書く作業をAIが順番に処理します。途中で行き詰まったら、別の方法で再試行します。
03
既存のシステムにそのまま接続
MES · ERP · メール · 社内DBを変更せずに、AIが使えるように接続します。許可した機能だけを実行します。
04
データで次を予測
蓄積した生産 · 設備データを入れると、欠損値や外れ値を自動で整理し、結果に最も大きく影響する要因を見つけて予測精度を高めていきます。
05
AIが働いた過程を確認できます
何を照会し、どの機能を使ったかが各ステップで記録されます。結果が適切だったかもスコアで確認できます。
06
誰が何を見るかを決める
人によって閲覧できるデータを分け、機密性の高い値は伏せます。重要な実行は承認を経て行い、すべての記録が残ります。
画面
AIが働く画面をご覧ください
画面1 · 予約時刻、繰り返し業務3件、レビューする結果、承認
決めた時間に自動で
毎日 · 毎週決めた時間に、AIが生産実績報告書、在庫点検、納期回答の下書きを作成します。人は集まった結果をレビューして承認するだけです。
- 予約実行
- 結果をまとめて確認
- 人が承認
画面2 · モデル一覧、評価指標、実測値と予測値の推移
予測モデルの評価
蓄積したデータで作ったモデルが、実測値をどれだけ当てるかを重ねて確認します。精度の高いモデルだけを現場で使います。
- モデル比較
- 実測 · 予測の重ね表示
- 検証後に適用
画面3 · 現在の工程値、実測品質と予測品質、投入量の推奨
AI設備制御
AIが次のバッチの品質を先読みし、原料投入量と運転条件を推奨します。検証が完了した範囲から自動で反映します。
- 品質予測
- 投入量の推奨
- オートパイロット · マニュアルモード
画面4 · 設備別健全性スコア、時間帯別の正常 · 注意 · 危険
AI予知保全
設備ごとに正常からどれだけ外れたかを時間帯別の色で表示します。色が濃くなった設備から点検します。
- 健全性スコア
- 時間帯ヒートマップ
- 点検の優先順位
活用事例
こんな業務から任せましょう
生産報告
生産管理者は前日の作業指示と実績を基準に報告を依頼します。AIが計画との差異を整理し、報告書の下書きを作成します。
納期回答
営業チームは商談記録と出荷日程をもとに回答を準備します。AIがERP · CRMの資料を集めて返信案を作成します。
設備点検
設備チームは温度・振動の変化が現れた区間を確認します。Analyzeの結果と保全記録を並べて、点検対象を選びます。
AI資産の運用
IT部門は業務で使うデータと連携機能をCatalogに登録します。誰が使えるかを決めて、AI業務に接続します。
導入事例
製造現場では、すでにAIが働いています
食品製造 · 飲料
バッチごとにAIがレシピを調整し直します
- 課題
- 同じレシピで投入しても原料の状態がバッチごとに異なり、最終タンクの品質指標がぶれていました。投入量の補正は熟練作業者の勘に頼っていました。
- 方法
- 原料投入カウンター、設定・実際の投入速度、水流量、加熱器温度、下流負荷信号を1分単位でそろえ、作業指示・タンク・品目情報と統合しました。1ラインに1モデルではなく、ライン・タンク・品目ごとに個別に学習し、複数のAIモデルを同じ基準で比較して合格したモデルだけを使います。目標品質を入力すると、投入量と運転条件の候補を3つ算出します。
- 変わった点
- 作業者の画面に、次のバッチの投入補正値が推奨として表示されます。推奨から始め、検証が完了した範囲から自動反映へ移行します。
食品製造 · 飲料
設備が止まる前にお知らせします
- 課題
- 主要設備が予告なく止まると、生産計画と品質がともに崩れていました。保全は故障してから始まっていました。
- 方法
- 振動・電流・温度センサーを接続し、二重に監視します。正常運転データからセンサーごとの上下限を設定して明らかな危険は即座に検知し、AIが正常パターンを学習して、時間とともに少しずつずれていく兆候を捉えます。警告と危険の基準を分け、誤検知・見逃しは現場で調整していきます。
- 変わった点
- 故障後の修理から、兆候を見て計画する保全へ変わります。ダッシュボードと通知で保全担当者が先に動けます。
二次電池材料
無数のフィルターの組み合わせを、AIが3つに絞り込みます
- 課題
- お客様ごとに使用条件が異なるため、担当者が数多くのフィルターの組み合わせを一つずつ試し、サイズと数量を手作業で計算しなければなりませんでした。
- 方法
- お客様の使用条件を入力すると、AIがフィルター組み合わせの候補を3つ推奨し、必要なサイズに合わせて規格と数量を自動計算します。組み合わせごとに性能が低下し始める時期もあわせて予測します。
- 変わった点
- 組み合わせを探して計算していた業務が1/10に減りました。営業と技術の担当者が同じ根拠ですぐに提案できます。
グローバル消費財 · 海外工場
海外工程の異常を本社と同じ基準で捉えます
- 課題
- 本社から遠く離れた海外工場では、現地スタッフの経験によって異常対応のスピードが異なっていました。
- 方法
- SCADAとLINKERでカプセル工程の設備データをリアルタイムに収集し、基準を外れるパターンを検知してアラームを送信します。
- 変わった点
- 国内と同じ基準で工程の異常を検知します。現地と本社が同じ画面を見ます。
大型家電製造
外観検査の判定を一つのモデルでそろえます
- 課題
- 組立ラインの外観検査は検査員によって判定が異なり、不良がどの工程から来たのかをさかのぼって探すのは困難でした。
- 方法
- 正常・不良の画像を集めてラベリングし、不足する不良サンプルは仮想欠陥画像で補って検出モデルを学習しました。判定結果は履歴として残し、工程記録と連携します。
- 変わった点
- 判定基準が一つになります。不良が発生したラインと時間帯をすぐに特定します。
研磨材製造
手の届かない炎の温度をカメラで測ります
- 課題
- 研磨工程の炎の表面は接触式センサーでは測れず、温度管理は目視頼みでした。
- 方法
- 工程映像から炎の領域をAIが検出・追跡し、表面温度を推定して記録します。
- 変わった点
- 温度が数値で残るため、工程条件と品質をあわせて比較できます。
適用シナリオ
製品を組み合わせるほど、多くを任せられます
必要なときに製品を一つずつ加え、このように広げていきます。
- MES MESの実績を照会します。
- オーケストレーター 生産報告の下書きを作成します。
- TEAMS 担当者がTEAMSで共有します。
- LINKER 設備データを集めます。
- Analyze モデルが異常区間を分析します。
- オーケストレーター 点検項目を整理します。
- Catalog 学習するデータと機能を登録します。
- Analyze 予測モデルを構築して検証します。
- オーケストレーター AIがモデルを呼び出して業務に使います。
既存システムとともに
既存システムはそのままに、AIだけを加える
設置環境
社内サーバー、クラウド、閉域網環境など、データがある場所に合わせて設置します。
既存システムとの連携
ERP・MES・CRMの照会・処理機能をAI業務に接続します。
オープンスタンダード
標準の接続方式(MCP)で社内機能を接続するため、システムを変えてもAIはそのまま使えます。
業務画面
RxControlsを使えば、AIのデータを表示・操作する画面を簡単に実装できます。
FAQ
よくあるご質問
データは外部のAIサービスに送られますか?
お選びいただけます。ChatGPT · Claude · Geminiなどの外部AIを接続することも、社内PCや社内サーバーにインストールしたAIだけで運用することもできます。社内設置で使えばデータは社外に出ず、インターネットから切り離された閉域網環境にも導入できます。
どのAIモデル(LLM)を使いますか?
ChatGPT · Claude · Geminiと社内設置型AIの中から、業務に合ったものを選びます。モデルと指示文、連携機能、作業計画の設定を一つの画面で変更し、すぐに反映します。
今使っているMESやERPを入れ替える必要がありますか?
いいえ。標準の接続方式(MCP)と既存システム向けコネクターでそのまま接続します。設備データはLINKER SERVERでリアルタイムに連携します。
技術的にはどのような仕組みですか?
対話(Assistant)、業務実行(Orchestrate)、システム連携(MCP)、予測(Analyze)、品質測定(Monitor)、権限 · 監査(Governance)の6つのモジュールで構成されます。
オープンソースを活用していますか?
いいえ。Wavegramは2020年からAIビジョンとAI製品群を専門に開発してきた会社です。純粋に自社技術で開発しているため、どのようなお客様固有のプロセスにも合わせて最適化できます。
AIのデータを自社の業務画面に組み込むには?
RxControlsを使えば、AIのデータを表示・操作する業務画面を簡単に実装できます。
導入はどのように始めますか?
4~6週間で中核業務一つから検証し、4~5か月で実データを使って構築したうえで、全社に展開します。